arXiv cs.AI· Ziang Ye, Wentao Shi, Lei Chen, Zhengzhou Cai, Yu Wang, Zhiyuan Yao, Zihan Wang, Xierui Song, Fuli Feng, Yixin Cao·· 4 小时前AI 评分34
ReTRAIL：面向长程智能体的回溯探索与经验进化框架
Travel Back To Move Forward: Retrospective Exploration and Evolving for Long Horizon Agents
AI 导读
ReTRAIL 让长程 LLM 智能体把环境回退到早期状态，同时保留有效进展、复用被放弃探索中学到的经验。它用 State-Anchored GRPO 与分支推进奖励两个信号训练共享策略。在 MineSweeper、Sokoban、ALFWorld、ScienceWorld 四个基准上，单纯加入回退原语收益有限甚至掉点，ReTRAIL 则能用废弃分支的洞见指导后续探索，代码已开源。
来源：arXiv cs.AI · arxiv.org